ddadmin
a06b52c38d
- Зачем: - необходимо продемонстрировать студентам метод инкрементального пересчета "затронутых ключей" для больших справочных витрин. - Что: - созданы DDL, Load и DQ скрипты для витрины dm.passenger_loyalty (лояльность пассажиров). - реализован расчет моды (самый частый тариф) через PostgreSQL-специфику DISTINCT ON. - внедрена корректная агрегация SCD2-измерений (unique_routes) по бизнес-ключу route_bk. - настроено Heap-хранилище (WITH appendonly=false) для эффективного выполнения UPSERT. - обновлены DAGи bookings_dm_ddl и bookings_to_gp_dm для включения новой витрины в конвейер. - Проверка: - визуальный аудит SQL на предмет использования p.passenger_id (BK) и r.route_bk. - наличие учебной DQ-проверки ссылочной целостности и инварианта дат (first <= last). - проверка параллельности задач в Airflow DAG.
120 lines
4.2 KiB
Python
120 lines
4.2 KiB
Python
from __future__ import annotations
|
|
|
|
"""
|
|
Учебный DAG: загрузка из DDS в DM (Greenplum) по домену bookings.
|
|
|
|
Ключевая идея:
|
|
- DM читает из DDS (Star Schema);
|
|
- для каждой витрины выполняем пару задач load -> dq;
|
|
- все витрины загружаются параллельно (не зависят друг от друга);
|
|
- sales_report использует UPSERT (heap-таблица), route_performance — Full Rebuild (AO Column).
|
|
|
|
На данном этапе реализованы витрины: sales_report, route_performance, passenger_loyalty.
|
|
Остальные витрины будут добавлены в последующих этапах.
|
|
"""
|
|
|
|
from datetime import timedelta
|
|
from logging import getLogger
|
|
|
|
import pendulum
|
|
from airflow.operators.python import PythonOperator
|
|
from airflow.providers.postgres.operators.postgres import PostgresOperator
|
|
|
|
from airflow import DAG
|
|
|
|
GREENPLUM_CONN_ID = "greenplum_conn"
|
|
|
|
log = getLogger(__name__)
|
|
|
|
default_args = {
|
|
"owner": "airflow",
|
|
"retries": 1,
|
|
"retry_delay": timedelta(seconds=30),
|
|
}
|
|
|
|
|
|
def _finish_summary() -> None:
|
|
"""Логирует краткий итог выполнения DM-ветки."""
|
|
log.info("DAG bookings_to_gp_dm завершён. Подробности смотрите в логах задач.")
|
|
|
|
|
|
with DAG(
|
|
dag_id="bookings_to_gp_dm",
|
|
start_date=pendulum.datetime(2017, 1, 1, tz="UTC"),
|
|
schedule=None,
|
|
catchup=False,
|
|
max_active_runs=1,
|
|
template_searchpath="/sql",
|
|
default_args=default_args,
|
|
tags=["demo", "bookings", "greenplum", "dm"],
|
|
description="Учебный DAG: загрузка DDS -> DM (Data Mart) + DQ проверки",
|
|
) as dag:
|
|
# start-задача (для структуры, вдруг понадобятся pre-checks)
|
|
start_dm = PythonOperator(
|
|
task_id="start_dm",
|
|
python_callable=lambda: log.info("Начало загрузки DM-слоя..."),
|
|
)
|
|
|
|
# === Эталонная витрина: sales_report ===
|
|
load_dm_sales_report = PostgresOperator(
|
|
task_id="load_dm_sales_report",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/sales_report_load.sql",
|
|
)
|
|
|
|
dq_dm_sales_report = PostgresOperator(
|
|
task_id="dq_dm_sales_report",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/sales_report_dq.sql",
|
|
)
|
|
|
|
# === Витрина: Эффективность маршрутов (Этап 2) ===
|
|
load_dm_route_performance = PostgresOperator(
|
|
task_id="load_dm_route_performance",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/route_performance_load.sql",
|
|
)
|
|
|
|
dq_dm_route_performance = PostgresOperator(
|
|
task_id="dq_dm_route_performance",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/route_performance_dq.sql",
|
|
)
|
|
|
|
# === Витрина: Лояльность пассажиров (Этап 3) ===
|
|
load_dm_passenger_loyalty = PostgresOperator(
|
|
task_id="load_dm_passenger_loyalty",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/passenger_loyalty_load.sql",
|
|
)
|
|
|
|
dq_dm_passenger_loyalty = PostgresOperator(
|
|
task_id="dq_dm_passenger_loyalty",
|
|
postgres_conn_id=GREENPLUM_CONN_ID,
|
|
sql="dm/passenger_loyalty_dq.sql",
|
|
)
|
|
|
|
# === Заглушки для будущих витрин (будут реализованы в этапах 4-5) ===
|
|
# load_dm_airport_traffic = PostgresOperator(...)
|
|
# dq_dm_airport_traffic = PostgresOperator(...)
|
|
# load_dm_monthly_overview = PostgresOperator(...)
|
|
# dq_dm_monthly_overview = PostgresOperator(...)
|
|
|
|
# finish-задача
|
|
finish_dm_summary = PythonOperator(
|
|
task_id="finish_dm_summary",
|
|
python_callable=_finish_summary,
|
|
)
|
|
|
|
# Зависимости: параллельные ветки load -> dq
|
|
start_dm >> [
|
|
load_dm_sales_report,
|
|
load_dm_route_performance,
|
|
load_dm_passenger_loyalty
|
|
]
|
|
|
|
# Связываем dq с finish
|
|
load_dm_sales_report >> dq_dm_sales_report >> finish_dm_summary
|
|
load_dm_route_performance >> dq_dm_route_performance >> finish_dm_summary
|
|
load_dm_passenger_loyalty >> dq_dm_passenger_loyalty >> finish_dm_summary
|